DeepLearning
关注
分享
扫一扫
文章平均质量分 91
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
Super__Tiger
专注于人工智能及其应用等知识领域的养成系博主！（づ￣3￣）づ╭～
展开
-
BP算法的原理解释和推导
BP算法的原理解释和推导已知的神经网络结构：且已知的条件：a(j)=f(z(j))\mathbf{a}^{\left( \mathbf{j} \right)}=\mathbf{f}\left( \mathbf{z}^{\left( \mathbf{j} \right)} \right)a(j)=f(z(j))z(j)=W(j)a(j−1)+b(j)，而θ(j)={W(j),b(j)}\mathbf{z}^{\left( \mathbf{j} \right)}=\mathbf{W}^{\left(原创 2021-08-17 17:44:38 · 1328 阅读 · 4 评论 -
❤️【独家】挑战全网最通俗易懂的神经网络的表达能力解释
❤️【独家】挑战全网最通俗易懂的神经网络的表达能力解释如上图所示，是初学者对于神经网络非线性表达能力最直观的印象图，在w=1的情况下，我们通过改变偏置项b能够改变输出函数y=0.5的分界位置。改变权重参数w，即改变输出函数y的坡度（“平缓”/“陡峭”）；改变偏置项b，即改变输出函数y=0.5的分界位置。当我们的网络结构足够复杂的时候，我们的函数图像将会迎来它的表达能力的“巅峰”原创 2021-08-16 08:49:18 · 2728 阅读 · 24 评论 -
Windows如何配置和迁移深度学习环境，以及使用Pycharm调试源码？（全网最详细）
前言本文主要详细介绍了torch_pgu版本的安装，其中包括cuda和cudnn的环境配置图解流程，以及如何使用conda命令进行虚拟环境的创建、删除等操作，列举conda的常用命令集；除以之外，介绍了pycharm断点调试的详细流程和不同的调试方法。文章目录前言Ⅰ.虚拟环境的搭建①cuda和cudnn如何准备？1.查看cuda版本2.解决cudnn的安装版本问题②如何创建针对于深度学习项目的虚拟环境？常用的conda命令总结：③如何生成项目文件夹的requirements.txt，以及根据.txt文原创 2021-05-20 21:28:35 · 1666 阅读 · 17 评论 -
R-CNN架构流程的详细讲解
前言本文主要讲解了R-CNN的架构流程和该流程中很多不为人知的“心机”细节。作为深度学习在目标检测领域的“吃螃蟹”模型，R-CNN与传统计算机视觉的目标检测流程的对比也是非常具有创新意义的。文章目录前言R-CNN的相关理论讲解传统计算机视觉目标检测与R-CNN的异同比较？R-CNN算法的执行过程是什么？Resize有哪些操作方式？如何理解其中的分类模型和回归模型？分类模型是如何进行的？为什么选择FC7层的输出作为SVM训练的ROI的高阶特征？为什么进行fine-tuning?回归模型是如何进行的？回归模原创 2021-04-15 13:46:18 · 1859 阅读 · 0 评论 -
关于COVID-19新型冠状病毒，最新提出的人工智能在诊疗中的应用
关于COVID-19新型冠状病毒，最新提出的人工智能在诊疗中的应用（PAPERS）本文主要精选了对于COVID-19新型冠状病毒，最新提出的5篇AI技术应用前沿论文。其中前面2篇为采用神经网络模型去辅助医生对于CT图像的感染区域的分析；而后面2篇为采用机器学习结合不同的特征提取算法，去实现进行根据CT图像进行感染的分类预测；最后1篇则是从Computer Audition的场景应用可能性分析，提...原创 2020-04-11 22:58:24 · 4262 阅读 · 0 评论 -
关于卷积神经网络细节的深入理解
CNN:从input data到minimize J，卷积神经网络的梯度传播是如何实现的？文章目录Ⅰ.关于softmax，Cross-Entropy Loss，Hinge Loss，L2正则化基本概念的深入理解1.Softmax：2.Cross-Entropy Loss：3.Hinge Loss：4.L2 norm：梯度的计算:优化(OPtimization)：Ⅱ.反向传播(Backpropag...原创 2020-03-25 14:52:51 · 472 阅读 · 0 评论 -
Self-Cure Net:如何更好地抑制大规模人脸情绪识别的不确定性?
Self-Cure Net:如何更好地抑制大规模人脸情绪识别的不确定性?Suppressing Uncertainties for Large-Scale Facial Expression Recognition_arXiv:2002.10392v1 [cs.CV] 24 Feb 2020(本人自译，转载译本需经许可）Abstract：由于不明确的面部表情，低质量的面部图像以及注释者...原创 2020-03-15 19:47:08 · 3491 阅读 · 5 评论 -
Matlab：如何将暗光环境下的成像可视化以及灰度图映射成彩色图像？
Matlab：如何将暗光环境下的成像可视化以及灰度图映射成彩色图像？主题内容：将小鼠体内的放射性元素成像与小鼠图像进行融合。（原图的格式采用tiff格式，本文涉及的素材均已上传（提取码: sxf4））一：将暗光环境下的成像可视化？ 采用矩阵的点称对原图像素值进行可视化变换。pet=imread('E:/photograph.tif');%小鼠图像pet=double(pet);...原创 2020-03-10 20:23:55 · 866 阅读 · 1 评论 -
Ghost Net: 如何从轻量的计算中提取更多的特征？
GhostNet: 如何从轻量的计算中提取更多的特征？GhostNet: More Features from Cheap Operations_arXiv:1911.11907v1 [cs.CV] 27 Nov 2019（本人自译，转载译本需经许可）Abstract: 由于有限的内存和计算资源，在嵌入式设备上部署卷积神经网络（CNN）十分困难。 特征图中的冗余是那些成功的CNN的重要特...原创 2020-03-09 18:47:51 · 1693 阅读 · 0 评论 -
Polar Mask：如何使用极坐标表示方法对单镜头实例进行分割？
PolarMask：如何使用极坐标表示对单镜头实例进行分割? PolarMask: Single Shot Instance Segmentation with Polar Representation (作者自译，转载需本人经许可) _arXiv:1909.13226v2 [cs.CV] 10.Oct.2019Abstract： 在本文中，我们介绍了...原创 2020-03-06 21:34:26 · 1799 阅读 · 0 评论 -
如何基于DCGAN网络模型使用tensorflow生成仿真的人脸图像？(CelebA数据集)
如何基于DCGAN网络模型使用tensorflow生成仿真的人脸图像？(CelebA数据集)1.GAN网络模型的设计思想？GAN中的核心网络结构：生成器(Generator)：记作G，通过对大量样本的学习，能生成一些以假乱真的样本。判别器(Discriminator)：记作D，接受真实样本和G生成的样本，并进行判别和区分。G和D相互博弈，通过学习，G的生成能力和D的判别能力都逐渐增...原创 2020-02-27 11:13:55 · 3434 阅读 · 6 评论 -
使用SSD网络模型进行Tensorflow物体检测（V1.2视频检测）
使用SSD网络模型进行Tensorflow物体检测?（V1.2视频识别）1.模型的加载和utils库环境的配置？ 1.准备好ssd_mobilenet_v1网络模型的frozen_inference_graph.pb和mscoco_label_map.pbtxt文件。(文中所涉及文件和代码均已上传，链接提取码：mztu) 2.配置好utils库文件以及pycache环境，将准备好的lab...原创 2020-02-26 11:51:04 · 789 阅读 · 0 评论 -
使用SSD网络模型进行Tensorflow物体检测（V1.1摄像头检测）
使用SSD网络模型进行Tensorflow物体检测?（V1.1摄像头识别）1.模型的加载和utils库环境的配置？ 1.准备好ssd_mobilenet_v1网络模型的frozen_inference_graph.pb和mscoco_label_map.pbtxt文件。(文中所涉及文件和代码均已上传，链接提取码：mztu) 2.配置好utils库文件以及pycache环境，将准备好的la...原创 2020-02-26 11:25:11 · 724 阅读 · 0 评论 -
使用SSD网络模型进行Tensorflow物体检测?（V1.0图像检测)
使用SSD网络模型进行Tensorflow物体检测?（图片识别）1.模型的加载和utils库环境的配置？ 1.准备好ssd_mobilenet_v1网络模型的frozen_inference_graph.pb和mscoco_label_map.pbtxt文件。(文中所涉及文件和代码均已上传，链接提取码：mztu) 2.配置好utils库文件以及pycache环境，将准备好的label_...原创 2020-02-24 23:03:30 · 1293 阅读 · 0 评论 -
对于CNN卷积神经网络的前向传播和反向传播的理解
对于CNN卷积神经网络的前向传播和反向传播的理解前向传播示意图： 咋一看这张图，作为初学者可能会**不知所云(￣ω￣=)**？但是想要很好的理解前向传播的原理，我们得从这张图细说。1.首先我们从x，w的参数组成说起？ 如图左下角所示，x[编号n,通道c,高h,宽w]，这里需要的注意的是通道c和编号n的作用。如图，这里输入的图片格式采用3通道，即R，G，B可以看作是输入图片的深度为3。...原创 2020-02-20 19:38:14 · 6155 阅读 · 6 评论 -
如何实现Tensorboard对CNN神经网络的可视化
如何实现Tensorboard对CNN神经网络的可视化Ⅰ.参数可视化：Ⅱ.结构可视化：怎么使用Tensorboard实现这么professional又pretty(♥∀♥)的网络可视化操作呢？我们通过下面4个步骤进行对CNN网络t的可视化实现。1.命名空间 使用tf.name_scope(“空间名称”)进行空间的命名，scope即为范围的意思。同时可对x，y等自变量进行名...原创 2020-02-19 19:06:23 · 778 阅读 · 0 评论 -
Google Net Inception V3的上手报告
Google Net Inception V3的上手报告1.如何下载inception-2015-12-05.tgz文件？下载地址为：http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz（需要注意的是,inception-2015-12-05.tgz在inception_model文件夹目录...原创 2020-01-31 18:27:20 · 551 阅读 · 0 评论 -
构建简单网络和优化方法—手写数字识别
构建简单网络和优化方法—手写数字识别1,如何构建初始的“手写数字识别”神经网络？ 1.下载MNIST_data集并把该数据集放在源.py/.ipynb文件的相同路径位置，并载入数据集。 2.自定义batch_size(每个批次读取图片的数量大小)，并计算n_batch(总共的批次数)。 3.定义x和y，使用feed方法进行数据输入。 4.创建一个简单的神经网络...原创 2020-01-19 16:32:28 · 533 阅读 · 0 评论 -
KNN算法及KNN的优化算法-加权KNN
KNN及加权KNN优化算法深度学习的常规套路：1.收集数据并给定标签2.训练一个分类器3.测试，评估K-近邻(KNN)算法：对于未知类别属性数据集中的点：1.计算已知类别数据集中的点与当前点的距离2.按照距离依次排序3.选取与当前点距离最小的K个点4.确定前K个点所在类别的出现概率5.返回前K个点出现频率最高的类别作为当前点预测分类。KNN算法：不需要使用训练集进行训练...原创 2019-08-16 16:45:39 · 16169 阅读 · 0 评论 -
深度学习--神经网络入门知识点
深度学习–神经网络入门知识点线性分类-得分：引入权重矩阵，进行线性映射,构造得分函数。实例：SVM损失函数:关键损失(hinge loss)：对不同的权重参数矩阵进行效果的评估，以确定分类效果最好的权重矩阵。个体样本的损失评估：全体样本的平均损失评估：正则化惩罚项：当存在不同的权重参数矩阵获得相同的较好分类效果时，对权重参数进行惩罚。惩罚原则：对分布集中不均匀的权重参...原创 2019-08-21 10:52:21 · 447 阅读 · 0 评论